MétaCan
Menu
Retour à la cohorte
Enregistrement W4407923500 · doi:10.1080/08941920.2025.2463075

Small and Rural Local Government Environmental Sustainability Plans, Programs and Policies in Cascadia: A Comparative Analysis

2025· article· en· W4407923500 sur OpenAlexafffundabout
Erika Allen Wolters, Brent S. Steel, Tamara Krawchenko, Sadaf Farooq

Notice bibliographique

RevueSociety & Natural Resources · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSustainable Development and Environmental Policy
Établissements canadiensFulbright CanadaUniversity of Victoria
Organismes subventionnairesFulbright CanadaUniversity of Victoria
Mots-clésSustainabilityGovernment (linguistics)Environmental planningLocal governmentEnvironmental policyEnvironmental resource managementBusinessPolitical sciencePublic administrationGeographyEnvironmental scienceEcology

Résumé

récupéré en direct d'OpenAlex

Small and rural local governments currently face many ongoing and numerous new challenges that complicate their task of sustaining current public services and programs. How government officials adapt to these changes will affect the long-term viability of local governments in both the U.S. and Canadian contexts. This study examines the presence or absence of environmental sustainability plans, policies, or programs in small and rural local governments in the “Cascadia” region of Canada and the U.S. (British Columbia, Oregon, and Washington). Using surveys and interviews of Cascadia local government leaders during the summer and fall of 2023, correlates of policy adoption are examined, including cultural, demographic, economic, and political factors. Findings suggest that environmental sustainability is a priority in Canada and the U.S. and that overcoming existing challenges including funding, staffing, and political salience, could help facilitate environmental sustainability policies and programs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,226

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,008
Études des sciences et des technologies0,0050,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,223
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSociety & Natural ResourcesMême sujetSustainable Development and Environmental PolicyTravaux en français237 207